Studio preliminare sul modello dei chip di guida autonoma: Nvidia guida il settore e Huawei dovrebbe diventare un ruolo importante
Titolo originale: Studio preliminare sul modello del chip del pilota automatico: NVIDIA guida il settore e Huawei dovrebbe diventare un ruolo importante
Con l'aumentare del livello di guida autonoma, aumenta anche la domanda di potenza di calcolo del processore
Con l'aumentare del livello di guida autonoma, vengono posti requisiti più elevati alla potenza di calcolo del processore.
Poiché la guida autonoma richiede la percezione in tempo reale dell'ambiente circostante in diverse condizioni meteorologiche e di luce, l'identificazione e il monitoraggio di vari oggetti dinamici o statici e la previsione dei loro possibili comportamenti, all'aumentare del livello di guida autonoma, anche la relativa percezione La domanda sta aumentando notevolmente. Secondo i dati dell'orizzonte, per raggiungere il livello L2 sono necessarie 5 telecamere + radar a onde millimetriche 5 e per ottenere la guida automatica in autostrada L3, la soluzione del sensore richiesta deve essere notevolmente aumentata a 13 telecamere + radar a onde millimetriche 9 + 1 A lidar (ogni OEM adotta schemi differenti, ma è evidente la tendenza ad un sostanziale aumento del numero di sensori).
L'aumento del numero di sensori significa che anche la quantità di dati da elaborare è in rapida crescita. Sempre secondo i dati dell'orizzonte, i dati pixel tipici della guida autonoma L4 raggiungono i 112MP, ovvero circa 16 volte quelli della guida autonoma L2; la quantità di dati da elaborare è di 4,08 miliardi di byte/sec, che è circa 30 volte quella della guida autonoma L2.
1
2
Nvidia (NVDA.US) guida i chip di guida autonoma e diversi giganti hanno i loro punti di forza
Al momento, i principali attori dei chip del pilota automatico possono essere suddivisi approssimativamente in tre categorie.
La prima categoria è una piattaforma aperta in grado di fornire un'elevata potenza di calcolo, principalmente Qualcomm (QCOM.US) e Nvidia. Questo tipo di lettore ha un ecosistema software molto ricco. Inoltre, include anche uno stato semi-universale. L'ecosistema software è più debole di Qualcomm e Nvidia. Huawei, Xilinx (XLNX.US), ecc.
Il secondo tipo di lettori sono principalmente i tradizionali giganti dei semiconduttori automobilistici, tra cui principalmente Renesas, Infineon, NXP (NXPI.US), Texas Instruments (TXN.US), STMicroelectronics (STM.US), ecc. Dopo che Nvidia, Huawei e altri produttori sono entrati nel gioco, tali giocatori sono stati colpiti in una certa misura, ma non hanno rinunciato completamente alla guida autonoma. Ad esempio, Renesas è il più veloce in questo tipo di giocatori in termini di chip di guida autonoma.Il suo sistema su chip R-Car V3U di livello ASIL-D per ADAS e AD ha raggiunto 60 Tops nella potenza di calcolo, che è paragonabile a quello di Qualcomm Piattaforma di guida Lo stesso, ma il nodo temporale della produzione di massa potrebbe essere successivo.
Il terzo tipo di chip ASIC di intelligenza artificiale sviluppati dai giocatori, principalmente tra cui Tesla, Mobileye e orizzonte domestico, sesamo nero, ecc., Ad eccezione dei chip sviluppati da Tesla utilizzati nei propri sistemi FSD, altri produttori spesso esterni Fornire un soluzione full-stack con accoppiamento software e hardware.
3
Nvidia è attualmente il leader nei chip di guida autonoma. Al momento, molte case automobilistiche hanno scelto i chip Nvidia per molti motivi:
NVIDIA ha creato un'architettura hardware GPU unificata e un'architettura software CUDA intorno all'auto, al desktop e al cloud e ha una forte potenza di calcolo nel calcolo ad alte prestazioni di intelligenza artificiale. Nvidia è l'unica azienda del settore in grado di fornire un'architettura unificata e un ambiente di sviluppo software unificato per desktop, cloud e terminali veicolari. Sul lato auto, NVIDIA ha costruito una piattaforma end-to-end in grado di fornire soluzioni che coprono sensori, controller di dominio e software di acquisizione dati; sul lato desktop, le aziende che fanno guida autonoma spesso acquistano CPU Intel e schede di gioco NVIDIA; In il cloud, CUDA e una serie di SDK di intelligenza artificiale non possono ignorare Nvidia e i vantaggi dell'elaborazione delle immagini e altri aspetti possono aiutare la piattaforma di simulazione di Nvidia a mantenere la competitività. La funzionalità full-stack garantisce il forte ecosistema di Nvidia, perché le piattaforme software di tutti i prodotti su auto, desktop e cloud sono le stesse. Il software di pilota automatico sviluppato nel cloud può essere eseguito su desktop e auto senza modifiche. , Salvando la quantità di modifica del codice. Allo stesso tempo, Nvidia sta prendendo la strada della GPU e il processo di sviluppo è relativamente semplice e non è necessario apportare ulteriori modifiche all'hardware; e i principali avversari sono principalmente soluzioni ASIC, l'intera catena di strumenti non è molto matura , e non è particolarmente amichevole per gli sviluppatori.
4
Nvidia è entrata prima nel mercato della guida autonoma ed è in vantaggio rispetto ai suoi principali concorrenti in corso. Nell'aprile 2021, Nvidia ha rilasciato una nuova generazione di SoC-Atlan, un singolo SoC di potenza di calcolo può raggiungere 1000 TOPS, si prevede di fornire campioni agli sviluppatori nel 2023 e un gran numero di veicoli sarà installato nel 2025. Al momento, i chip del pilota automatico di Nvidia sono due generazioni avanti rispetto ai suoi principali concorrenti, che sono quasi due anni indietro rispetto al ciclo. Il vantaggio del first mover è un importante vantaggio di NVIDIA, perché per l'OEM, una volta selezionata una piattaforma, il successivo costo di migrazione è relativamente elevato. La stessa rete neurale ha bisogno di molte regolazioni. Ha un grado relativamente alto di accoppiamento con l'hardware. Potrebbe essere difficile adattarsi a un effetto migliore su un determinato hardware. Se si modifica un set di hardware, alcuni di essi devono essere risintonizzato e ora La catena degli strumenti non è molto matura e il processo di regolazione potrebbe essere più doloroso.
Prevediamo che anche Qualcomm sarà uno dei giocatori al tavolo finale. Al momento, Qualcomm ha almeno diversi vantaggi:
Il vantaggio delle prestazioni di costo. Dal punto di vista dei costi, Qualcomm è leader nei chip consumer e nei cockpit La migrazione di chip consumer e cockpit a chip di guida autonoma può far risparmiare a Qualcomm una certa quantità di costi. Ad esempio, la piattaforma Ride di prima generazione di Qualcomm utilizza due chip del cockpit più un chip del pilota automatico ASIL-D a livello di auto per la ridondanza. Dal punto di vista del consumo energetico, il protagonista del calcolo parallelo nell'importante chip NVIDIA rivale di Qualcomm è la GPU.Quando si eseguono alcuni modelli di rete neurale comuni, l'efficienza non è buona come quella dell'ASIC, quindi il rapporto di efficienza energetica del chip di guida autonoma di NVIDIA è più debole (Naturalmente, NVIDIA è anche consapevole dei punti deboli della GPU, e c'è anche un motore di accelerazione del deep learning implementato dall'architettura ASIC sul chip).
5
Qualcomm è il leader assoluto nel dominio della cabina di pilotaggio e contribuisce alla promozione di soluzioni di guida autonoma. Secondo i dati di Qualcomm, alla fine del 2020, 20 delle 25 principali case automobilistiche hanno selezionato la piattaforma Snapdragon Automotive Digital Cockpit di Qualcomm. I modelli dotati della piattaforma 8155 saranno prodotti in serie nel 2021 e Qualcomm potrebbe raggiungere il 70% entro il 2022 - 80% della quota di mercato, anche se non c'è molto spazio per un ulteriore aumento della quota di mercato in futuro (l'OEM sceglierà generalmente due piattaforme per il backup), ma non c'è dubbio che la posizione di Qualcomm nel dominio del cockpit sia è stato stabilito e NVIDIA è nella cabina di pilotaggio.Ci sono solo pochi clienti sul campo, come Mercedes-Benz, Audi e Hyundai. Poiché il dominio del cockpit penetra più velocemente del dominio del cockpit, Qualcomm ha instaurato un rapporto di cooperazione con molti OEM attraverso il dominio del cockpit, ha inserito la soluzione del cockpit e quindi ha inviato la propria soluzione di guida autonoma all'OEM. Per gli OEM è più vantaggioso scegliere lo stesso fornitore per il cockpit e la guida autonoma, perché non manterrà due team contemporaneamente per apprendere le conoscenze software dei due produttori di chip.
6
Tesla (TSLA.US) è ​​un ecosistema relativamente chiuso. Dopo essersi separato da Mobileye e NVIDIA, Tesla ha lanciato il suo chip FSD sviluppato autonomamente nell'aprile 2019. La ricerca e lo sviluppo del chip FSD sono iniziati nel 2017 e ci sono voluti 18 mesi dalla progettazione alla produzione di massa ed è stato ufficialmente applicato al Model 3 nell'aprile 2019. Ci sono due chip sulla stessa scheda e ogni chip ha una potenza di calcolo di 72 TOPS.Durante il processo di guida, i due chip analizzano gli stessi dati contemporaneamente e confrontano i risultati dell'analisi per verificarsi a vicenda e migliorare la sicurezza di guida autonoma.
7
Le caratteristiche del chip FSD di Tesla sono principalmente incarnate in tre aspetti: elaborazione delle immagini ad alta velocità, NPU e SRAM.
Principalmente NPU: il chip Mobileye EQ5 è composto da 4 moduli, ovvero CPU, CVP, DLA e MA, principalmente CPU e CVP; Il chip NVIDIA Xavier è composto principalmente da GPU, CPU, DLA, PVA e due ASIC.Principalmente GPU e CPU. Il chip Tesla FSD è composto principalmente da tre moduli (CPU, GPU, NPU), principalmente NPU, poiché Tesla non adotta la soluzione di visione radar, non include il modulo CVP.
8
Elaborazione delle immagini ad alta velocità: 1) In termini di trasmissione dei dati, la velocità di trasmissione dei dati del processore di immagini SIP del sistema FSD raggiunge 2,5 miliardi di pixel al secondo, che è di gran lunga superiore alla quantità di dati raccolti da 8 telecamere; 2) In termini di elaborazione dei dati La velocità massima di elaborazione dell'ISP del processore di immagini integrato nel chip FSD è di 1 miliardo di pixel/secondo, che ha raggiunto lo standard DP1.4 di trasmissione video di livello consumer più veloce.In generale, il chip dell'auto rimarrà indietro il chip di livello consumer di;
SRAM: La funzione principale di ISP è convertire i tre dati originali sui colori primari generati dalla fotocamera in informazioni di immagine complesse, che verranno archiviate nella SRAM prima di entrare nella NPU per un'ulteriore elaborazione. Secondo Pete Bannon, l'ingegnere capo del chip di Tesla, la larghezza di banda della cache per la guida completamente automatica deve raggiungere almeno 1 TB/sec, mentre la larghezza di banda della SRAM del chip FSD raggiunge i 2 TB/sec.
9
Huawei dovrebbe diventare una forza molto importante nel campo della guida autonoma. Il sistema operativo Yueying sviluppato da Huawei è compatibile con LINUX e può raggiungere il microkernel e la bassa latenza di QNX. In questo modo, può effettivamente ridurre la migrazione di molti algoritmi originariamente sviluppati sotto il framework LINUX a questa operazione di produzione di massa a livello di auto. difficoltà di migrazione del software sul sistema. Allo stesso tempo, Huawei è anche l'unico produttore di sensori tra i giganti dei chip e sia il radar lidar che quello a onde millimetriche sono auto-sviluppati.
10
Mobileye fornisce soluzioni black box e deve far fronte a determinate pressioni della concorrenza. Mobileye fornisce una soluzione scatola nera, che è anche un motivo importante per cui l'industria non è ottimista al momento, perché l'OTA è una grande tendenza e per gli OEM, la soluzione scatola nera è diventata sempre più incapace di soddisfare le loro esigenze.